【2018成都武侯国际创客节】深度神经网络技术应用

Sean_Chen

一、项目名称：

使用深度神经网络技术（CNN/RCNN）来提高批量生产Visual Inspection的效率和准确性

二、项目概述：

本项目，使用Intel x86平台（可增加独立显卡提高深度学习training效率，也可以不添加以节省开发成本）， 使用caffe （BVLC or Intel caffe）完成CNN/RCNN的卷积神经网络构建。

本项目使用了大约3000张某款产品的正面90度外观图片（正负样本率大约为50%：50%）进行训练，使用80%：20%的训练：测试比率，获得到多个深度学习网络测试模型。

最终使用了超过20万张实际生产线产品外观图片对训练出的神经网络模型进行了对比测试（以人工检测结果为参考），获得了False Positive rate 约40%，False Nagative rate 约3%的最终成绩，达到了设计目标。

本深度神经网络模型的工作流程，可适用于绝大多数工业化生产制造领域，通过对图形图像的利用，可以极大的减少人员需要，提高产品质检的效率和准确度。

三、项目实物图

见帖尾，不知道为什么错位了，哈哈

四、项目视频

五、团队成员

Project Manager：Sean，R&D高级技术经理

Team member：Peggy，澳门大学计算机专业研究生

六、其他文件

Sean_Chen

欢迎爱好者和我交流